利用PCA进行深度学习图像特征提取后的降维研究

• 作者: 杨博雄 杨雨绮
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 卷积神经网络 主成分分析法 特征降维
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究开发
• 页码范围: 279-283
• 页数: 5页
• 字数: 3036字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006702

摘要

深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增,极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标,对深度学习中的各种数据降维方法进行分析.在此基础上,以Caltech 101图像数据集为实验对象,采用VGG-16深度卷积神经网络进行图像的特征提取,以PCA主成分分析方法为例来实现高维图像特征数据的降维处理.在实验阶段,采用欧氏距离作为相似性度量来检验经过降维处理后的精度指标.实验证明:当提取VGG-16神经网络fc3层的4096维特征后,使用PCA法将数据维度降至64维,依然能够保持较高的特征信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨博雄	三亚学院信息与智能工程学院	6	22	2.0	4.0
5	杨雨绮		2	24	2.0	2.0